feat(llm): lokales llama.cpp-Modell (va_llm) als zentrale, sprachoptimierte KI

- scripts/llm-server/: start/stop/status fuer llama.cpp-Server (Port 8001, GPU 1,
  Modell Qwen3.6-35B-A3B-Uncensored, Alias va_llm) - alles per ENV ueberschreibbar
- Defaults auf den lokalen Server umgestellt (config.py, .example-Configs, .env.example)
- Provider local-openai-compatible sprachoptimiert: Reasoning aus
  (chat_template_kwargs.enable_thinking=false) + knapper Sprach-System-Prompt,
  optional max_tokens/temperature - Antwort ~9x schneller, kurze vorlesbare Texte
- Makefile-Targets llm-up/llm-down/llm-status
- Doku (README, BEDIENUNGSANLEITUNG) auf llama.cpp statt Ollama aktualisiert

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

BEDIENUNGSANLEITUNG.md

@@ -29,8 +29,9 @@ Kurzüberblick: [README](README.md).
   für rein lokalen Betrieb (`local-dev`) nicht
 - Für **lokales STT** (Provider `faster-whisper`): einmalig `pip install -e .[local]`
   (lädt beim ersten Lauf ein Whisper-Modell). Für **lokales LLM**: ein laufender
-  Ollama-Server (`http://127.0.0.1:11434`) mit einem Modell (`ollama pull llama3.2`)
-- Optional: Docker
+  llama.cpp-Server (`http://127.0.0.1:8001/v1`) — starten mit `make llm-up`
+  (siehe README, Abschnitt „Lokales LLM"). Großes, unzensiertes Modell, Default-Alias `va_llm`.
+- **Docker** (für den lokalen llama.cpp-Server) und eine NVIDIA-GPU
 
 ## 2. Installation
 
@@ -226,8 +227,8 @@ Profil global umschalten (Entwickler/Admin): `VA_PROFILE=local-dev make run`.
 ```bash
 # einmalig: lokales STT installieren
 pip install -e .[local]
-# Server mit kleinem lokalem Ollama-Modell (muss in 'ollama list' stehen):
-echo 'LOCAL_LLM_MODEL=llama3.2:latest' >> .env
+# lokalen llama.cpp-Server starten (Default: Port 8001, GPU 1, Alias va_llm):
+make llm-up        # mit  make llm-status  auf "HTTP OK" warten
 make run
 # in Terminal 2 — Sprech-Loop mit der Hybrid-Kombi (MOTU = plughw:5,0):
 python scripts/voice_loop.py --recorder arecord --device plughw:5,0 --session hybrid \
@@ -236,7 +237,8 @@ python scripts/voice_loop.py --recorder arecord --device plughw:5,0 --session hy
   --llm-provider local-openai-compatible \
   --tts-provider openrouter
 ```
-Erster Turn ist langsamer (Whisper- und Ollama-Modell laden), danach zügig. STT-Modell
+Erster Turn ist langsamer (Whisper-Modell lädt; das LLM-Modell ist nach `make llm-up`
+bereits geladen), danach zügig. STT-Modell
 und Gerät steuern `FASTER_WHISPER_MODEL`/`FASTER_WHISPER_DEVICE` in `.env`. Satzweises
 Vorlesen ist Standard (früher Ton); `--stream-text` zeigt den Text live dazu.
 
@@ -245,6 +247,8 @@ Datenschutz). TTS läuft hier über **piper** (lokales, CPU-freundliches Neural-
 ```bash
 # einmalig: lokales STT installieren
 pip install -e .[local]
+# lokalen llama.cpp-Server starten (großes, unzensiertes Modell):
+make llm-up        # mit  make llm-status  auf "HTTP OK" warten
 # piper-Binary + Stimme bereitstellen: die Stimm-Dateien (<name>.onnx + <name>.onnx.json)
 # liegen im PIPER_VOICES_DIR (Default ~/.local/share/piper/voices). Deutsche Stimmen z. B.
 # von huggingface 'rhasspy/piper-voices' (de_DE-thorsten-high, de_DE-kerstin-low).
@@ -500,7 +504,7 @@ curl -s $URL/api/metrics | jq '.timers | to_entries
 | Use-Case | Empfehlung | Begründung |
 |----------|------------|------------|
 | Senioren-Standard (kein KI-Rechner zuhause) | **Profil `cloud`** | beste Qualität/Latenz ohne lokale Hardware (~4 s Round-Trip) |
-| Datenschutz / offline | `local-dev` | alles lokal — benötigt echte lokale Modelle (heute Platzhalter) |
+| Datenschutz / offline | `local-dev` | alles lokal: faster-whisper + llama.cpp (`va_llm`, unzensiert) + piper — benötigt GPU + `make llm-up` |
 | Kosten/Ausfallsicherheit | `hybrid` + `*_FALLBACK` | teure Teile lokal, Rest Cloud; automatischer Fallback |
 
 Empfehlung für den Einstieg: **`cloud`** verwenden, Antwortzeiten mit C2 prüfen, dann
@@ -546,8 +550,8 @@ python scripts/voice_loop.py --recorder arecord --device plughw:5,0 --session te
 
 ### C5. Hybrid-Konstellation (STT + LLM lokal, TTS remote) — Kostenvergleich
 
-Konstellation: **STT** lokal (`faster-whisper`) → **KI** lokal (Ollama, z. B. `llama3.1:8b`)
-→ **TTS** remote (Gemini/Zephyr). Befehl: siehe Hybrid-Beispiel in Teil B1.
+Konstellation: **STT** lokal (`faster-whisper`) → **KI** lokal (llama.cpp, großes
+unzensiertes Modell `va_llm`) → **TTS** remote (Gemini/Zephyr). Befehl: siehe Hybrid-Beispiel in Teil B1.
 
 | | STT | LLM | TTS | API-Kosten/Runde |
 |---|-----|-----|-----|------------------|